華東師范大學的老師，上課已經用上了大模型

十三 2024-06-28 19:22:43 來源：量子位

金磊 夢晨 發自 凹非寺

量子位 | 公眾號 QbitAI

人在華東師范大學，上課、教學已經用上了大模型。

例如丟一本《信息系統概論》進去，就可以開始提問了（哪里不會問哪里）：

講解一下des加密算法。

想要做題來鞏固知識點？不用再搜往期試卷了。

直接跟大模型說一聲：出題。

而且不再是一個班級一個助教，現在有了大模型，人均一個“助教”不是夢。

只需要填寫課程的基本信息、上傳教材，它就能自動生成教學大綱。

即使是視頻課程，大模型也能直接把視頻大綱羅列出來，并且還可以按照知識點進行搜索。

課程視頻的要點內容，用知識圖譜的方式打開同樣不在話下：

當然，編程方面也是信手拈來，包括：

代碼生成、代碼解析、代碼優化、代碼檢錯、語言轉換和格式整理。

這便是華東師范大學為學生專門打造的“給所有人的終身教育大模型一體機”，主打的就是讓上課、學習的效率Pro Max。

而且這種fashion的上課、學習方式，還是被央視“點贊”過的哦~

但有一說一，這也還僅僅是大模型給華東師范大學帶來的改變之一。

教育不止要by AI，還要for AI

AI與教育相遇，可不止是多了一些神奇的教學工具這么簡單，更是給教學方式、甚至教育理念帶來了新的活力。

華東師范大學數據科學與工程學院的王偉教授，就非常重視人工智能時代下對學生能力的培養。

在王偉教授看來，用AI來賦能教學，改變傳統教學模式固然重要，但同時也要培養學生的AI素養和能力。

據此，他提出“數字素養+智慧教育”的綜合解決方案。

數字素養，對今天的華東師范大學師生而言，也就是Education for AI。

它可進一步拆解成通用數字能力、數據分析、編程思維、數字思維與問題求解等維度，并融入到不同課程中。

面向全校學生開設分層次、多方向的人工智能（AI）相關課程，覆蓋編程思維、數據分析、AI原理等內容，自2019年起就已開始逐步推廣。重點是通過實踐項目，讓學生學以致用。

智慧教育，在今天的數字時代，也就是Education by AI。

除了前文重點介紹過的教育大模型一體機之外，華東師范大學還有大規模個性化在線智慧學習平臺 “水杉在線”，以及利用數據驅動的方法對教學過程和教學質量作評測。

在所有措施中，王偉教授認為非常重要的一點就是培養學生的“數字思維”，意味著學生需要學習如何通過數據來洞察問題、提出假設并驗證解決方案。

這當中最為關鍵的便是編程思維，編程不僅僅是寫代碼，更是一種思維訓練，教會學生如何將復雜問題分解為更小、更易于管理的部分，并通過算法來解決這些問題。

與此同時，華東師范大學的周傲英教授則從更宏觀的角度詮釋了人工智能時代的數字素養教育。

從互聯網、大數據到大模型這些年的發展中可以看出，數據已成為繼土地、勞動力、資本和企業家才能之后的全新生產要素，將對社會發展和生產力提升產生重大影響。

因此，數字素養教育的前提，就是要充分認識到數據的重要性，那么數據與之前的生產要素相比有什么獨特性呢？

周傲英教授提出，數據具有非獨占性、非排他性和非稀缺性。海量數據的產生和數據處理技術的飛速進步，驅動了人工智能等新興技術的崛起。

科學研究作為認識世界的重要手段，其范式也受到數據和技術發展的影響。原有很多科學理論是建立在長期觀察、抽象歸納的基礎上。但在大數據時代，研究者往往先有海量的數據，再通過機器學習等技術從數據中發現規律和洞見，用數據驅動科學發現。

據此，周傲英教授提出了一個深刻的觀點，即“技術在倒逼科學”。

在快速發展的人工智能等領域，技術進步似乎超前于我們對其科學原理的理解，導致了一種現象：我們依賴于技術的有效性，卻對其背后的科學邏輯知之甚少。

周傲英教授稱這種技術先行的模式對科學教育和研究提出了新的挑戰，新的經驗主義呼喚新的理性主義，也就是心得科學。只有把應用場景+科技創新+產業發展結合起來，才能一體化進步。

由此可見，AI對于華東師范大學來說不僅僅是教育方式上的轉型，更是一種思維上的變革，包括：

• 教師教學角色轉變：從講授者向引導者、輔助者轉變
• 學生學習方式轉變：大規模個性化學習將成為現實
• 資源獲取方式轉變：從教師準備課程資源向智能化的跨學科海量資源的智能聚合轉變
• 教學評價方式轉變：個性化教學與學習評估成為可能

尤其是在大模型熱潮的當下，AIGC更是會成為教學效能的增倍器。

總而言之，現在的華東師范大學，不論是教書或育人，都很AI，很大模型。

那么接下來的一個問題，這一系列基于AI的創新、嘗試和探索，定然會在算力上會產生不小的開銷，華東師范大學又是如何hold住的呢？

英特爾：讓AI在校園里無處不在

像華東師范大學這樣的教育創新探索，不僅給高校自身教學、管理系統帶來新的挑戰，也給IT產業界提出新的訴求。

首先，需要更加靈活多元的基礎架構。

高校數字化轉型涉及方方面面，需要支撐教學、科研、管理等全方位的應用場景。

這對IT基礎設施提出了更高的要求，不僅要有強大的算力，還要有靈活組合、彈性擴展的能力，既能兼顧AI推理等新型負載，又要進一步強化傳統的通用計算平臺及應用。

第二，軟硬兼修的優化適配。

隨著大模型在教育領域的應用興起，高校對AI平臺提出了更高的要求。一方面，要加快深度學習框架、算法庫等在 CPU、GPU、XPU 等多樣化、差異化硬件上的適配優化，提升開發效率和運行速度。另一方面，還要針對教育特定場景(如作文批改、試題生成等)開展軟硬件協同創新，開發調優更有針對性的系統。

這就需要IT廠商從底層硬件到上層應用打穿，積極進行技術創新，為高校量身打造“AI+教育”的最佳解決方案。

第三，建立開放包容的合作生態。

教育信息化是一項復雜的系統工程，需要產、學、研、用各界通力協作。從智慧校園頂層設計，到人才培養模式改革，再到具體的產品落地實施，都離不開IT企業、高校、科研機構、應用部門的合作。

這種合作，就要求IT廠商不僅要提供領先的技術產品，還要構建開放包容的合作生態，通過聯合實驗室、產學研合作項目等形式，共同探索智慧教育的創新路徑與發展模式。

最后，還要以師生為本、體驗至上。

高校師生在信息化應用中，不僅要數字化，更要智慧化，要讓技術深度融入教學、科研、管理、生活的方方面面，帶來實實在在的效率提升與體驗優化。

所有這些要求，匯成一句話，就是對新時期的IT產品和服務提出了更高要求，既要讓使用者簡單易上手，又要保障系統的安全穩定運行，這需要廠商深入了解教育的業務特點，圍繞師生核心需求點或痛點來設計方案，并提供貼身的實施交付與運營維護服務。

那么如何應對這些訴求？

在眾多選擇中，英特爾憑借“讓AI無處不在”的戰略脫穎而出，成為眾多高校選擇的合作伙伴。

提供強大算力支撐只是一方面，英特爾多樣化的產品選擇，以及軟硬件協同優化，也能幫助AI在教育領域好、快、省地用起來。

具體來說，今年英特爾的主力服務器CPU產品至強? 6處理器平臺能滿足非常廣泛的計算負載，該系列即將到來的性能核P-Core產品和已經發布的能效核E-Core產品的設計，能分別滿足不同任務需求，無論是主打密集計算的AI、科學計算、數據實時分析，還是更看重基礎設施能效表現的存儲、網絡及云原生。

從第四代至強? 可擴展處理器開始內置的英特爾? AMX(英特爾? 高級矩陣擴展)，現正在第五代至強? 可擴展處理器上大顯身手，而至強? 6處理器的性能核產品也會內置這種類似“CPU中的Tensor Core”的矩陣式AI加速技術，并能配合更多內核（最高128核）、更高效率的微架構來大幅提升英特爾CPU的 AI性能，尤其是與行業AI應用落地密切相關的推理性能。

集成有HBM（高帶寬內存）的英特爾? 至強? Max系列處理器，目前也很受大模型行業應用方案開發商和用戶的歡迎，至強? 6處理器則會通過支持MCR（Multiplexer Combined Ranks）高帶寬內存的方式，繼續為大模型海量、頻繁的數據訪存需求提供支撐，專攻涉及大量的權重數據讀取的場景。

除這些CPU新老主力的布局外，英特爾還提供Arc系列獨立顯卡供學生體驗學習，并通過組織編程競賽等形式，激發學生創新實踐的興趣與潛力。

“通過這些課程的學習，學生不僅掌握了AI的基本原理和實踐技能，更樹立了AI倫理的正確價值觀。”北大信息學院副教授謝睿如是評價。

除了硬件算力支持以外，別忘了軟件協同優化在教育領域的作用。

英特爾從開源開放的OneAPI工具套件，再到面向教育場景優化的OpenVINO? 工具套件，早就形成了“硬件+軟件+生態”的協同創新體系。

教育與科技的雙輪驅動

除算力之外，教育在AI時代其實還有一項不足：課程的實踐性，也就是如何讓學生掌握真正能落地的AI技術。前文提到的華東師范大學重視Education for AI，就是出于這種戰略考量。

對此，引入應用一線的企業資源，實現合作雙贏就成了眾多高校的選擇。

英特爾除了算力層面之外，已經與多所高校展開相關的合作。

例如英特爾攜手北京大學，在師生AI素養培養方面進行了積極探索。雙方攜手開設了面向人文社科專業的AI通識課程，旨在“AI+X”復合型人才的培養。

在技術生態層面，英特爾還十分注重產學研的協同創新，成立了“未來智慧教育聯合實驗室”，聚焦多模態學習分析、學習者畫像、因材施教等方向，共同推進教育人工智能關鍵技術的研發與應用。同時，英特爾還發起了“英特爾? 未來教育加速計劃”，旨在幫助高校更好地利用英特爾軟硬件平臺，加速智慧教育應用的孵化與產業化。

可以預見，這些動作既是在培育時代新人，又能推動IT產業自身實現升級迭代，成為教育與科技的雙輪驅動。

為了科普CPU在AI推理新時代的玩法，量子位開設了《最“in”AI》專欄，將從技術科普、行業案例、實戰優化等多個角度全面解讀。

我們希望通過這個專欄，讓更多的人了解英特爾? 架構CPU在AI推理加速，甚至是整個AI平臺或全流程加速上的實踐成果，重點就是如何更好地利用CPU來提升大模型應用的性能和效率。

未來隨著英特爾AI產品技術組合的進一步擴展和豐富，我們還將在這里為大家提供更多產品技術上的優秀用例與方案分享，以及技術應用指南。

如欲了解英特爾? 架構平臺更多 AI 及大模型應用落地實踐，請點擊文末閱讀原文。